ярлык для заполнения недостающих дат

У меня есть следующий пример: 

import numpy as np
import pandas as pd

idx1 = pd.period_range('2015-01-01', freq='10T', periods=1000)

idx2 = pd.period_range('2016-01-01', freq='10T', periods=1000)

df1 = pd.DataFrame(np.random.randn(1000), index=idx1, 
                   columns=['A'])
df2 = pd.DataFrame(np.random.randn(1000), index=idx2, 
                   columns=['A'])

frames = [df1, df2]

df_concat = pd.concat(frames)

Теперь я хотел бы знать количество пропущенных дат в df_concat

Поэтому я заполнил даты и переиндексировал фрейм данных: 

start_total = df1.index[0]
end_total = df2.index[-1]
idx_total = pd.period_range(start=start_total, end=end_total, freq='10T')
df_total = df_concat.reindex(idx_total, fill_value=np.nan)
df_miss = df_total[df_total.isnull()]

Существует ли более короткая версия для последних сегментов кода?

Что-то вроде df_concat.fill_missing_dates? Это было обеспечено таймсериями scikit: scikits.таймсерии.Таймсерии.fill_missing_dates

1 2
python pandas missing-data time-series

1 ответ:

Я думаю, что вы можете использовать resample:

df_total = df_concat.resample('10T')
print df_total[df_total.isnull()] 

                     A
2015-01-01 00:00:00 NaN
2015-01-01 00:10:00 NaN
2015-01-01 00:20:00 NaN
2015-01-01 00:30:00 NaN
2015-01-01 00:40:00 NaN
2015-01-01 00:50:00 NaN
2015-01-01 01:00:00 NaN
2015-01-01 01:10:00 NaN
2015-01-01 01:20:00 NaN
2015-01-01 01:30:00 NaN
2015-01-01 01:40:00 NaN
2015-01-01 01:50:00 NaN
2015-01-01 02:00:00 NaN
2015-01-01 02:10:00 NaN
2015-01-01 02:20:00 NaN
1